和惯常平和的心态不同，我一旦听闻鼓吹人工智能会取代人类的说法，就会怒不可遏，甚至可能人和事不分一并开喷。原因只有一个：想当然。
来自文科背景吹捧人工智能的文章，充满着“黄昏”“落幕”“挽歌”等等自怨自艾的狂想和乡愿，偶尔还会从皮袍下露出对技术词汇的不解（和一知半解还差十条长安街）。虽然毫无科学性，但文科生长处在于以情动人，拿捏读者情绪的技巧妙到毫颠，而真正的专业领域权威又大多不屑于作科普，读者往往直接被带进了沟里。
所幸还是有专家关注门外汉的——《数学之美》就是一本将业界先进理念普及给大众的书籍，14年还出了第二版，可见作者吴军博士从人民中来到人民中去的热情。然而这里的“大众”，是程序员里的大众，对更大范围、数理基础更加薄弱的待发动群众来说，本书还是过于艰深。所以本文从吹牛角度出发，论述一下人工智能对我们生活的影响。
畅销书作家
就以《奇点临近》为例。本书作者Raymond Kurzweil，师从Marvin Minsky，MIT计算机系毕业，妥妥的专业人士。Wikipedia上介绍“他一直是光学字符识别（OCR）、文字转换语音合成、语音识别技术、电子键盘乐器的专家，谷歌技术总监”，看似一个类似Andy Rubin技术背景的大牛，不过他的技术向研究大多发生于二十世纪六七十年代，90年代开始玩mini音乐，随后把音乐软件公司卖给了韩国人，94年写了一本《The Age of Intelligent Machine》，开始转向人工智能方向研究，从与医药产业结合入手，那会儿还是想在AI领域作一番事业的。
然而一入AI深似海，从此出货靠天收。幸好在美国，公司随便开，虽然研究AI的公司没法一炮而红，但还可以走技术作家路线啊！这次出的书火了，12年被谷歌大佬Larry Page私人雇佣(personally hired)，在全公司范围内布道机器学习。
综上所述，Kurzweil不是一个能被工程师竖起大拇指称赞的技术专家（正面例子：John Carmack/Anders Hejlsberg/Joe Armstrong/当年的Bill Gates）。“有神吗？有，只是尚未出现”这种神棍言论，只会让人无限反感。下面再讨论一下他的书：
书中五光十色推论的基础，是“大脑逆向工程”的技术可行性。这一词汇，来源于人工神经网络(artificial neural network），在教科书的案例里，这种层层传递的向量加权计算结果传递，也就来个三层意思意思得了。但另一个吴博士吴恩达，成功地将网络的深度（层数）广度（神经元数量）扩展到了可以识别猫脸的程度：以往只有在实验室里的研究对象，突然成了可以放在网上让网友随便使用的商业产品，对人的冲击是不言而喻的。得出大脑必然可以模拟的结论，也是可以理解的。
然而神经元作为生物学概念，基础是碳基的有机分子；计算机运算的基础，是硅基构成PN结，后者对前者一定程度的模拟是完全可能的。分歧主要出在“一定程度”究竟能不能达到或者超越的程度。一个观点就是AI必须实现人脑的功能才算大功告成，那么某一方面或者几个方面特别厉害，算是成功吗？
什么才算觉醒
计算机科学，评价程序通常使用时间复杂度S(n)和空间复杂度O(n)这两个维度，在有限的时间空间里解决给定的问题。AI只能如果想觉醒：首先需要有自我意识。“你是谁，从哪儿来，到哪而去”这三个人类面对的终极问题，只怕也会让AI困扰不已，如果强行运算，那些运算节点肯定会死循环 啊！然后找了本哲学书打发过去——还是得从碳基大脑找灵感啊！
在人工智能的实现领域，要么可以实现一种可以将一切问题描述为算法的算法（算法的算法：元算法，好像又进入了玄学领域......）；要么使用足够的数据，涵盖可能出现的一切分支。就算以目前计算能力，这俩目标看来都没法达成。
第一个元算法问题，就是让计算机自己给自己编程序，打补丁。目前和可以遇见的未来，貌似都得依赖程序员。
灵机一动：我可以使用大数据方式，人工先整理一批猫的图片，再让计算机学习认猫，为什么不能提供大量的程序，作为数据来让计算机学习编程呢？首先：成本太高。认猫的工作理论上3岁小孩就可以进行，只要认识猫并且会点“是/不是”按钮即可，所以亚马逊能1-3美元一小时全球找人来干这个活儿。而一个实习期程序员，在硅谷起薪也要$20一小时，先不说程序员是不是愿意从事这种和自身信条“自动化所有操作”完全相反的工作，就是不计成本投入资源，也找不到那么多程序员，能达到输入数据的要求。其次，程序的复杂度也不是猫图能比的，“看程序，写出运行结果”这种非人的工作内容，能让人专心工作多久呢？
而数据，尤其是经过人类审核可以让计算机进行学习的数据，和真实世界信噪比差异万千的数据相比，是一瓢和弱水三千的区别。所以已经发生的突破是缓慢、限定领域的：语音识别->图像识别->国际象棋->围棋。
未来只存在渐进的，分门别类的进步，“一点突破，全线得手”属于懒汉白日做梦，不过这没什么不好意思的，牛顿不也沉迷与炼金术不可自拔嘛。
那么如果时间够长，计算机不就可以在人类能接触的所有活动中领先人类，是不是就算觉醒了？其他都有可能，只有“学习”这一条，人类的学和机器的学，我希望有什么言简意赅的新词，可以将这两种没有可比性活动区别开来，虽然都是试图开拓未知。毕竟我们面对的问题，是如何面对“无限的空间和时间”，人类在这个领域，比起从有限时空里改行的AI，还是优势巨大——起码我们还有哲学。
屠龙之术
人工智能作为一个“终极”研究，在过程中不断给人类提供有用的“副产品”，研究中使用的方法和工具，都可能以另一种用途给人类带来价值：50年代带来了确立后几十年编程语言的标杆的lisp语言，2000年之后深度学习被广泛应用，最近随着下围棋的能力暴增，日本棋院已经严禁在对弈中使用手机。然而这些都不是AI研究的目的，只能算是“副产品”。如同挂在驴前面的胡萝卜，虽然永远也追不上，但只要跑下去，也能看到沿途美景，怎么也算不虚此行了。
会不会觉醒
最后推出一个科幻猜想：AI能成，则代表我们身处模拟器之中。曾经担心捅出来，会不会被神秘力量找麻烦？然而本山叔一句话：“说了，你也不能够信”，于是释然。
网友评论